Convertir HEIC a TXT

Fotografiaste un documento con un iPhone y ahora quieres las palabras. Eso es un trabajo de reconocimiento corriente. Lo que hace distinto a este par es que en un equipo con Windows muchas veces ni siquiera puedes ver la imagen: HEIC contiene HEVC, que está cubierto por conjuntos de patentes que varios fabricantes prefirieron no licenciar, así que el sistema te ofrece comprar un códec en su tienda y algunos navegadores no muestran nada.

De modo que el consejo habitual —convierte primero la imagen y después lee el texto— necesita dos pasos y un descodificador que funcione para el primero. Los dos viven dentro de esta pestaña del navegador, y eso es lo que esquiva el asunto de las patentes: convertir el HEIC a PNG aquí descodifica el fotograma HEVC en WebAssembly, y el reconocimiento se hace después sobre el PNG.

Al motor de reconocimiento se le entrega el fichero exactamente como lo soltaste, sin nada que lo descodifique por el camino, y eso es deliberado: empujar una imagen a través de un lienzo antes aplanaría la transparencia a negro, lo cual sobre el escaneado de un papel blanco es la diferencia entre legible e ilegible. Así que solo quedan los lectores compilados dentro del propio motor, y son seis formatos de imagen corrientes.

HEIC no está entre ellos, y el núcleo de reconocimiento que sirve este sitio no contiene ninguna rutina para HEIF. Por eso el camino es: convierte el HEIC a PNG en este sitio y después lee el texto de ese PNG. El descodificador es un programa distinto del reconocedor —el mismo que hay detrás de HEIC a PNG y HEIC a JPG— y ese sí entiende las imágenes fijas HEVC. Elige PNG y no JPG para el fichero intermedio: la fotografía ya pasó una vez por una compresión con pérdida en el teléfono, y una segunda ablanda justamente los trazos finos que el reconocedor tiene que distinguir. Borra el PNG cuando tengas el texto.

Sería deshonesto no decirlo. Si la fotografía está en el iPhone y quieres un párrafo de ella, mantener el dedo sobre el texto y copiarlo es más rápido que cualquier página web, y viene incluido en el teléfono.

Esta página es para las otras situaciones: las imágenes ya están en un ordenador, son cuarenta, quieres la página entera como fichero en lugar de una selección, o estás trabajando en un equipo que no es tuyo y en el que no vas a instalar nada. Son casos suficientemente frecuentes como para merecer una página, y el texto en vivo no ayuda en ninguno.

El reconocedor de este sitio trae cuatro modelos de idioma: inglés, alemán, francés y español. Para quien lee esto eso es una buena noticia poco frecuente, porque significa que un documento en castellano se lee con su propio modelo y no forzado a través del inglés, con las tildes, las eñes y los signos de apertura dentro del vocabulario.

Conviene saber también lo que ocurre por omisión: el valor de partida es inglés, y un ajuste que el sistema no reconozca cae en inglés sin decir nada. Así que el idioma es lo primero que hay que fijar antes de convertir, y no algo que revisar después de un resultado extraño.

El reconocedor trabaja dentro de las formas de letra y el vocabulario de un idioma. Si le das el equivocado no informa de ningún error; devuelve la mejor coincidencia disponible dentro de un conjunto que no contiene la respuesta correcta, y eso se lee como un texto seguro de sí mismo y sin sentido.

Muerde con más fuerza precisamente en los documentos que la gente fotografía viajando: una carta de restaurante, un impreso, un cartel, un billete. Si un resultado te parece raro de una manera que no sabes explicar, comprueba esto antes que ninguna otra cosa. Es, con diferencia, la causa más común.

La resolución ayuda: doce megapíxeles o más significan bastantes píxeles por carácter aunque la página ocupe solo una parte del encuadre. El objetivo y el procesado también ayudan, y una foto de un folio hecha con un teléfono moderno es más nítida y está más uniformemente expuesta que la mayoría de los escaneados de hace quince años.

Lo que sigue gobernando el resultado es cómo se tomó la foto. Pon la hoja plana, dispara desde arriba y no desde una silla, y que la luz venga de un lado para que tu propia sombra no cruce el texto. Esas tres cosas pesan más que cualquier ajuste de esta página.

El reconocimiento empareja formas con letras. No entiende el documento, y produce un texto fluido y de aspecto completo tanto si leyó bien cada carácter como si no. No hay ninguna marca de duda, ninguna zona señalada, ningún aviso.

Esa es la advertencia importante, y se aplica sobre todo a lo que la gente fotografía con el móvil: importes de un tique, un número de referencia de una carta, una dosis en una caja, una fecha en un impreso. Lee la salida contra el original y lee los números dos veces, porque una cifra equivocada tiene exactamente el mismo aspecto que una correcta.

La salida es texto plano sin ninguna maquetación: no hay columnas, no hay estructura de tabla, no hay posiciones en la página. Tampoco hay formatos intermedios con coordenadas ni un PDF con capa de texto buscable; lo que sale es un fichero de texto y nada más.

Una carta o un tique vuelven en un orden legible. Una página a dos columnas puede entremezclarse, porque el reconocedor lee de un lado a otro lo que le parecen renglones. Los impresos son el caso más duro: etiquetas y valores acaban pegados de formas difíciles de desenredar, y una tabla de cifras se convierte en una ristra de números sin columnas. Para eso, fotografiar una sección cada vez da un resultado que sí se puede usar.

Conviene tener la expectativa correcta antes de soltar cuarenta imágenes. Este es con diferencia el proceso más lento de todo el catálogo: una página densa tarda claramente más que cualquier conversión de imagen, y el navegador está trabajando a pleno rendimiento mientras lo hace.

La primera ejecución con un idioma añade la descarga del modelo, que ocupa unos cuantos megabytes. Después queda guardado en el almacenamiento local del navegador, así que el segundo documento no lo vuelve a traer. Todos esos recursos se sirven desde este propio sitio y no desde una red de distribución ajena, que es una diferencia real en lo que sabe un tercero sobre lo que estás haciendo.

Si el HEIC contiene más de una imagen —una ráfaga, o el fotograma fijo de una foto en movimiento junto a su breve vídeo—, el paso de conversión a PNG toma la primera imagen del contenedor y descarta el resto. Ese fotograma es precisamente el que disparaste, así que es el correcto para leer.

Lo mismo vale para el resto del contenido que el teléfono guardó alrededor: al PNG intermedio no llega ninguna fecha, ningún dato de cámara y ninguna coordenada, porque la imagen se descodifica a píxeles y se vuelve a escribir. Para un documento fotografiado eso es una ventaja añadida y no una pérdida.

Merece la pena decirlo porque es la siguiente pregunta de mucha gente. El reconocimiento de este sitio acepta formatos de imagen y no acepta PDF, así que un PDF escaneado no se puede leer directamente; lo que sí existe es la extracción de texto de un PDF que ya lleva una capa de texto dentro, que es una cosa distinta y no reconoce nada.

Si lo que tienes es un PDF de un escáner, el camino es sacar la página como imagen y leer esa imagen. Y si lo que tienes son fotos de páginas sueltas, que es el caso de esta página, no hace falta ningún rodeo: cada fotografía se lee por su cuenta.

Los dos pasos ocurren dentro de la pestaña y sobre tu propio procesador: el HEIC se descodifica ahí para producir el PNG, y el texto se reconoce ahí también. No hay subida, ni copia en un servidor, ni cuenta, ni cupo diario, y una carpeta entera de fotografías se procesa tan rápido como tu máquina sea capaz.

En este par concreto eso es el argumento de fondo y no una viñeta de características. La foto de una receta médica, de una nómina, de una carta del banco o de un documento firmado es exactamente el fichero que no querrías dejar en el servidor de otra persona, y la garantía más simple es que nunca llegó a estar allí.